MIT 发布 SOLE-R1：视频语言推理作唯一奖励训练机器人

MIT 与 RAI Institute 发布论文 SOLE-R1（将被 NeurIPS 收录），提出用视频-语言推理模型作为在线强化学习的唯一奖励信号，让机器人无需人工设计奖励函数即可零样本在线学习技能，为机器人技能获取提供了新范式。

2026-10-08 ~ 2026-10-09 · 2 条相关

• MIT 提出 SOLE-R1：视频语言推理充当唯一奖励，机器人零样本在线学技能 — micoolcho · 2026-10-08

另有 1 条近重复转述:micoolcho